《表2 不同时间划分数量对UCF101与HMDB51数据集的测试效果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多时间划分的深度聚合特征的行为识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

/%

本节将考察视频片段的划分数量与识别效果的关系。实验设计的划分数量为[4，6，8，10，12]（2.1节中的M），运用本文提出的基于多时间划分的深度聚合特征算法，分别在UCF101与HMDB51数据集上测试RGB与flow模型的平均精度，其结果如表2所示。从表2中可以观察到，随着时间划分数量的增加，在两类数据集上的测试结果几乎都有提升的趋势，最大提升幅度出现在HMDB51数据集的flow模型，当M=12时的测试效果比M=4时的测试效果高出11%，出现这种结果可能的原因是，通过增加在时间域上对视频片段的划分，增强了对子行为的感知，并进一步利用深度聚合建立子行为间的关联，在一定程度上细化了行为认知，从而提高了识别精度。受显存的限制，在与先进性算法比较的实验中，设定M=12。